[發明專利]一種催化裂化裝置模型的多目標優化方法在審
| 申請號: | 201710761604.1 | 申請日: | 2017-08-30 |
| 公開(公告)號: | CN107609328A | 公開(公告)日: | 2018-01-19 |
| 發明(設計)人: | 鄢烈祥;馮焱偉;史彬 | 申請(專利權)人: | 武漢理工大學 |
| 主分類號: | G06F19/00 | 分類號: | G06F19/00;G06F17/50 |
| 代理公司: | 湖北武漢永嘉專利代理有限公司42102 | 代理人: | 鄔麗明 |
| 地址: | 430070 湖*** | 國省代碼: | 湖北;42 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 催化裂化 裝置 模型 多目標 優化 方法 | ||
1.一種催化裂化裝置模型的多目標優化方法,其特征在于,包括如下步驟:
1)獲取實際生產中采集的催化裂化裝置的生產數據,利用流程模擬軟件Petro SIM建立催化裂化裝置模型,通過獲取到的生產數據對催化裂化裝置模型進行校準,使催化裂化裝置模型的模擬輸出值與生產數據一致;
2)在步驟1)的基礎上,以穩定汽油的ASTM D86干點、輕柴油的ASTM D86的95%的點以及干氣中C3組分的體積分率和液化石油氣中的C2組分、C5組分的體積分率為約束條件,以液化石油氣產量和穩定汽油產量為目標建立如下的優化模型:
Maxf1(U)=Y1
Maxf2(U)=Y2
其中,Y1和Y2分別為汽油、液化石油氣的產量:噸/小時;
3)搭建數學軟件MATLAB與流程模擬軟件Petro SIM的數據交互平臺,應用平均影響值方法篩選關鍵變量,并利用多目標列隊競爭算法MOLCA求解優化模型,以獲得液化石油氣產量和穩定汽油產量最大化的Pareto最優解集。
2.根據權利要求1所述的一種催化裂化裝置模型的多目標優化方法,其特征在于,所述流程模擬軟件Petro SIM的FCCU模塊用于催化裂化裝置的反應—再生部分,Distop模型中的FCC Main Fractionator模塊用于催化裂化裝置的主分餾塔部分,組分分離器Light Ends Splitter模塊用于吸收穩定部分。
3.根據權利要求1所述的一種催化裂化裝置模型的多目標優化方法,其特征在于,所述步驟2)中的催化裂化裝置在工作過程中的約束條件包括:
穩定汽油的ASTM D86干點為200℃~207℃。
輕柴油的ASTM D86 95%的點為350℃~365℃。
干氣中C3組分的體積分率不大于1.5%。
液化氣中C2組分的體積分率不大于0.4%,C5組分的體積分率不大于1.8%。
4.根據權利要求1所述的一種催化裂化裝置模型的多目標優化方法,其特征在于,所述步驟2)中的優化目標為無柴油產量約束條件下,以液化石油氣產量最大化和穩定汽油產量最大化為優化目標或有柴油產量約束下,以液化石油氣產量和穩定汽油產量最大化為優化目標。
5.根據權利要求1所述的一種催化裂化裝置模型的多目標優化方法,其特征在于,所述步驟3)中應用平均影響值(MIV)方法選取關鍵變量時,先要選取全局優化變量,所述全局優化變量包括:分別為反應器壓力、第一級再生器壓力、第二級再生器壓力、進料量、提升管出口溫度、原料油預熱溫度、第一級再生器入口風量、第二級再生器入口風量、第二級再生器提升風量、反應器密相催化劑藏量、第一級再生器催化劑藏量、第二級再生器催化劑藏量、霧化蒸汽量、反應器汽提蒸汽量、提升管提升蒸汽量。
6.根據權利要求5所述一種催化裂化裝置模型的多目標優化方法,其特征在于,通過平均影響值方法,根據影響值大小從所述全局優化變量中再選取七個所述關鍵變量,其變量范圍如下:
7.根據權利要求1所述的一種催化裂化裝置模型的多目標優化方法,其特征在于,所述多目標列隊競爭算法為基于擁擠度排序的多目標列隊競爭算法MOLCA。
8.根據權利要求1所述的一種催化裂化裝置模型的多目標優化方法,其特征在于,所述步驟3)在對優化模型求解以后得到Pareto最優解集后,根據液化石油氣和穩定汽油兩種產品的變化趨勢,確定日常操作方案。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于武漢理工大學,未經武漢理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710761604.1/1.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06F 電數字數據處理
G06F19-00 專門適用于特定應用的數字計算或數據處理的設備或方法
G06F19-10 .生物信息學,即計算分子生物學中的遺傳或蛋白質相關的數據處理方法或系統
G06F19-12 ..用于系統生物學的建模或仿真,例如:概率模型或動態模型,遺傳基因管理網絡,蛋白質交互作用網絡或新陳代謝作用網絡
G06F19-14 ..用于發展或進化的,例如:進化的保存區域決定或進化樹結構
G06F19-16 ..用于分子結構的,例如:結構排序,結構或功能關系,蛋白質折疊,結構域拓撲,用結構數據的藥靶,涉及二維或三維結構的
G06F19-18 ..用于功能性基因組學或蛋白質組學的,例如:基因型–表型關聯,不均衡連接,種群遺傳學,結合位置鑒定,變異發生,基因型或染色體組的注釋,蛋白質相互作用或蛋白質核酸的相互作用





